Googles Gemini Omni 1.2 Flash blir allment tilgjengelig

Google kunngjorde Gemini Omni 1.2 Flash 5. november 2026 og gjorde dermed modellen for videogenerering og -redigering allment tilgjengelig. Oppdateringen øker den opprinnelige klipplengden til 15 sekunder, legger til samtalebasert redigering i flere runder og reduserer prisen for 720p med 30 %, til omtrent 0,07 dollar per sekund.

Modellen genererer synkronisert video og innebygd lyd fra tekst, bilder og videoinput. Den ekstra spilletiden skal gjøre det mulig å lage hele historier, produktforklaringer og komplette reklamefilmer for sosiale medier i én generering.

Lengre klipp og samtalebasert redigering

Utviklerdokumentasjonen støtter varigheter i hele sekunder fra 3 til 15 sekunder, mot en maksimal varighet på 10 sekunder for Omni 1.1, og standardinnstillingen er 10 sekunder. Standardformatet for utdata er 720p og liggende 16:9, men stående 9:16 støttes også. Team kan lage utkast i 360p eller 720p og oppskalere utvalgte resultater til 1080p eller 4K.

Samtalebasert redigering kan bytte ut et produkt eller en bakgrunn, endre lyssetting eller værforhold eller endre sideforholdet, samtidig som elementer som ikke er nevnt, forblir uendret. En identifikator for forrige interaksjon bevarer konteksten mellom API-forespørsler, slik at den forrige videoen ikke må lastes opp på nytt. Hver forespørsel kan også bruke opptil seks referansebilder, inkludert opptil tre bilder per figur for opptil to figurer.

Videoforlengelse er en egen funksjon og ikke det samme som opprinnelig generering: Den legger til 3 til 10 sekunder per runde, bruker de siste 10 sekundene som kontekst og kan gi en total lengde på opptil 30 sekunder. Det er ikke mulig å legge til opptak i begynnelsen eller sette inn materiale midt i et klipp, og interpolering mellom første og siste bilde er fortsatt begrenset til utdata på 3 til 10 sekunder.

Priser og overgang

I den betalte Gemini API-tjenesten er prisen 12 dollar per million videotokener i utdata, beregnet med 5 792 tokener per sekund 720p-video. De oppgitte kostnadene er omtrent 0,70 dollar for et klipp på 10 sekunder og 1,04 dollar for et klipp på 15 sekunder. Tekst, bilder og video i inndata koster 1,50 dollar per million tokener, og modellen er ikke tilgjengelig i gratisabonnementet.

Gemini Omni 1.1 Flash vil fortsatt være tilgjengelig i en overgangsperiode på fire uker. 3. desember 2026 vil API-forespørsler til 1.1 automatisk bli rutet til 1.2 uten kodeendringer, og bruke de lavere prisene for 1.2. Eksisterende integrasjoner får dermed en fastsatt migreringsdato uten at de må skrives om umiddelbart.

Påstander om kvalitet og begrensninger i produksjon

Google sier at oppdateringen bevarer ansikter, klær, tekst på emballasje og merkefarger bedre på tvers av kameravinkler og overganger, med mindre visuell forskyvning eller forvrengning. Den gir også tydeligere leppesynkronisering, mer naturlig dialog, tydeligere betinging for flere talere og sammenhengende kamerabevegelser med færre uønskede bråklipp.

Sammenlignende evalueringer side om side fra Google DeepMind viser at Omni 1.2 vinner på visuell konsistens i 62 % av tilfellene, mot 38 % for Omni 1.1, i tester av tekst-til-video. I sammenligningen fra referanse til video vinner 1.2 på identitetskonsistens med flere referanser i 63 % av tilfellene, mot 37 %.

Det finnes også tydelige tekniske begrensninger. Arbeidet med rask sportsaktivitet, raske manusendringer og kompleks fysikk pågår fortsatt. Gemini API støtter engelsk fullt ut, men andre språk er ikke evaluert. Den nåværende API-en støtter ikke stemmeredigering, opplastede lydfiler eller lydreferanser. Genereringstiden varierer med varighet, oppløsning og belastningen på API-en, og sikkerhetsfiltre gjelder for både ledetekster og generert video.

Tilgjengelighet og bruk i produksjon

Utviklere kan lage prototyper i Google AI Studio og bruke den betalte Gemini API-tjenesten. Den bredere utrullingen omfatter Flow for scenestyring og redigering i flere runder, lengre klipp i Google Vids uten ekstra kostnad med en Google-konto eller et Workspace-abonnement, utrulling av Gemini-appen til Google AI Ultra-abonnenter og oppretting av kampanjer i Google Ads. Hver video som genereres via API-en, har et usynlig SynthID-vannmerke som kan oppdages programmatisk for å bekrefte opprinnelsen.

Kunngjøringen om generell tilgjengelighet fra Google Cloud legger til tilgang via konsoll og API, infrastruktur og sikkerhet for bedrifter samt Provisioned Throughput, mens bruk av lydreferanser krever godkjenning gjennom en tillatelsesliste. Photorooms administrerende direktør, Matt Rouif, sa at brukerne lenge hadde ønsket seg en høyere grense for genereringslengde, og at generell tilgjengelighet med tjenestenivåavtaler ville gjøre det mulig for selskapet å bruke Gemini Omni Flash i produksjon for selgere og bedriftskunder. Modellen driver Photorooms Video Ad Maker og Product Animator.

Lanseringen knytter de lavere prisene til en endret arbeidsflyt i produksjonen: Målrettede justeringer kan erstatte fullstendige nye genereringer, og gjengivelse med høyere oppløsning kan forbeholdes utvalgte resultater. Verdien i produksjon avhenger derfor av de rapporterte forbedringene i konsistens, ettersom det å bevare figurer, produkter og scener gjennom flere endringer gjør iterativ redigering til et praktisk alternativ til å begynne på nytt.